[发明专利]一种视频的标签化处理方法、装置和计算设备

权利要求书

1.一种视频的标签化处理方法，包括：

获取原始视频数据；

将所述原始视频数据输入特征提取网络进行图像特征提取，得到所述原始视频的第一预设维度的图像特征向量；

对所述图像特征向量进行聚类分析，得到所述图像特征向量对应的原始视频的不同分类；

针对所述图像特征向量对应的原始视频的不同分类，提取同一类中的原始视频对应的标题中的关键字，并根据第一预定规则从所述关键字中选取一个或多个关键字作为该类别的原始视频的标签。

2.根据权利要求1所述的方法，其中，将所述原始视频数据输入特征提取网络进行图像特征提取，得到所述原始视频的第一预设维度的图像特征向量，包括：

对所述原始视频数据进行解码，得到多个视频帧；

将所述多个视频帧中的每一视频帧输入卷积神经网络CNN进行图像特征提取，得到每一视频帧的第二预设维度的图像特征向量；

利用预设算法对所述多个视频帧的图像特征向量进行运算处理，得到所述原始视频的第一预设维度的图像特征向量。

3.根据权利要求2所述的方法，其中，在对所述原始视频数据进行解码，得到多个视频帧之后，还包括：

按照预定时间间隔从所述多个视频帧中抽取n个视频帧；

将所述多个视频帧中的每一视频帧输入卷积神经网络CNN进行图像特征提取，得到每一视频帧的第二预设维度的图像特征向量，包括：

将所述n个视频帧中的每一视频帧输入CNN进行图像特征提取，得到每一视频帧对应的m维图像特征向量；

利用预设算法对所述多个视频帧的图像特征向量进行运算处理，得到所述原始视频的第一预设维度的图像特征向量，包括：

将n个所述m维图像特征向量按时间顺序连接，得到一n×m维图像特征向量；

对所述n×m维图像特征向量进行降维分析，得到所述原始视频的最终的第一预设维数的图像特征向量，其中，n和m为大于1的自然数。

4.根据权利要求3所述的方法，其中，对所述n×m维图像特征向量进行降维分析，包括：

对所述n×m维图像特征向量进行平均池化average pooling。

5.根据权利要求1所述的方法，其中，所述聚类分析包括K-means聚类。

6.根据权利要求1所述的方法，其中，提取同一类中的原始视频对应的标题中的关键字，包括：

对同一类中的每个原始视频对应的标题进行分词，得到多个分词；

根据预定筛选策略从所述多个分词中选择一个或多个分词作为该原始视频的关键字。

7.根据权利要求1所述的方法，其中，根据第一预定规则从所述关键字中选取一个或多个关键字作为该类别的原始视频的标签，包括：

统计每一所述关键字的出现次数；

选取出现次数大于或等于预定阈值的关键字作为该类别的原始视频的标签。

8.一种视频的标签化处理装置，包括：

视频数据获取模块，适于获取原始视频数据；

图像特征提取模块，适于将所述原始视频数据输入特征提取网络进行图像特征提取，得到所述原始视频的第一预设维度的图像特征向量；

第一聚类分析模块，适于对所述图像特征向量进行聚类分析，得到所述图像特征向量对应的原始视频的不同分类；以及

第一标签化模块，适于针对所述图像特征向量对应的原始视频的不同分类，提取同一类中的原始视频对应的标题中的关键字，并根据第一预定规则从所述关键字中选取一个或多个关键字作为该类别的原始视频的标签。

9.一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的视频的标签化处理方法。

10.一种计算设备，包括：

处理器；以及

存储有计算机程序代码的存储器；

当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行根据权利要求1-7中任一项所述的视频的标签化处理方法。